Runway 不想只做视频工具了：530亿估值的赌注，从拍电影到模拟世界
TechCrunch 5 月 15 日发了一篇深度报道，揭示了 Runway 这家公司的野心：它不只是要帮导演拍更好的片子，它要用视频生成技术作为跳板，造出一个能模拟世界的 AI 系统。
这听起来有点远。但如果你把过去 18 个月 Runway 的动作连起来看，会发现这不是 PPT 里的愿景，而是一条正在施工的路。
从“帮人拍片”到“理解世界”
Runway 2018 年成立，三个创始人分别来自智利和希腊，在纽约大学 Tisch 艺术学院认识。最初的目标很简单：能不能用 AI 让每个人都变成电影导演？
2023 年 2 月，Runway 发布了第一个视频生成模型 Gen-2。回头看那个模型的输出质量，和现在 Gen-4.5 比简直不忍直视。但就是这个粗糙的起点，让团队发现了一个关键信号：视频模型在学习生成画面的过程中，居然学会了对物理世界的某种理解。物体怎么运动、光影怎么变化、镜头怎么转场，这些不是靠文本描述就能教会的，模型必须从海量的视觉数据中自行归纳。
联合创始人 Anastasis Germanidis 对 TechCrunch 说了一句很核心的话：“语言模型是在互联网上训练的，学的是人类已经写下来的知识。但要突破这个天花板，我们需要利用更少偏见的数据。”他指的就是视觉数据，就是世界本身呈现给我们的信息流。
这个判断的逻辑链很清晰：文本数据是人类对世界的二手描述，视频数据是世界的一手呈现。训练一个模型去理解视频，本质上就是训练它去理解物理规律、因果关系、时空结构。
五步路线图已经走到了第二步
Runway 的世界模型路线图分五个阶段，目前已经走到了第二步：
第一步：视频生成（已实现）。Gen-4.5 模型在多个独立基准测试中超过了 Google 和 OpenAI 的模型，支持原生音频生成、多镜头长视频、角色一致性等特性。
第二步：交互式世界模型（GWM-1，2025 年 12 月发布）。这不是一个视频播放器，而是一个可以交互的环境模拟系统。你可以把它理解为一个 AI 驱动的物理引擎，能预测环境中会发生什么，而不仅仅是播放一段预设好的画面。
第三步到第五步：机器人训练、药物发现、气候建模。这些听起来像科幻，但 Runway 已经在去年成立了机器人部门，Germanidis 确认已经在进行真实世界的测试和部署。
为什么好莱坞的付费用户是一张王牌
这里有个很容易被忽略的细节：Runway 的商业基本面比大多数 AI 研究实验室强太多。
2026 年 Q2，Runway 新增了4000 万美元的年化经常性收入（ARR）。对于一家 155 人的公司来说，这个数字意味着它不是在烧钱讲故事，而是在卖产品收钱。Lionsgate 2024 年就签了合作协议，用 Runway 的模型训练定制化的影视 AI。AMC Networks 也在用 Runway 的工具做营销和电视开发。
付费用户给 Runway 带来的不只是收入，更重要的是反馈闭环。一个导演不会关心模型的内部表征是否优雅，但他会告诉你角色在三个镜头后脸变了、物理效果看起来不对劲、转场的逻辑不自然。这些来自生产环境的压力，比任何学术论文的审稿意见都更有方向性。
这就是为什么 Germanidis 把 Runway 目前的产品用户称为“世界模型的基础设施贡献者”。每一部用 Runway 工具制作的影片，每一支用 Runway 渲染的广告，都在为更强大的世界模型提供测试数据和改进信号。
但算力是天堑
Runway 的赌注有一个无法回避的风险：算力。
训练世界模型需要的计算资源，比训练视频生成模型又高了一个量级。Google 有自己的 TPU 集群和数据中心，可以无限试错。Runway 虽然通过 CoreWeave 扩展了算力，2 月份的 3.15 亿美元E轮融资里也有 Nvidia 和 AMD 的战略投资，但一家创业公司和 Alphabet 之间的算力差距，不是几轮融资能填平的。
这也是为什么 Runway 必须向好莱坞以外的市场扩展。电影制作市场可以支撑一家不错的软件公司，但不足以支撑训练下一代世界模型的成本。机器人公司需要合成环境来训练策略，药物发现需要更好的分子模拟，气候研究需要能跨越复杂物理系统的推理模型。如果 Runway 能拿下其中哪怕一两个领域，算力账才算得过来。
竞争格局：每个人都在抢同一条路
Runway 不是唯一在走这条路的公司。
Google DeepMind 有 Genie 3 和 Project Genie，走的是从交互式环境切入的方向。Yann LeCun 的 AMI Labs 拿了 10.3 亿美元融资专门做世界模型。AI“教母”李飞飞的 World Labs 从3D工作流切入，拿了 2 亿美元。Luma 则从统一智能模型出发，推出了创意 AI Agent。
所有人都在追同一个目标：从多模态数据中训练出能理解世界运作规律的AI系统。区别在于起点不同——有人从文本出发，有人从视觉出发，有人从 3D 出发，有人从游戏环境出发。
Runway 的独特优势在于：它的视频生成模型已经是市场上最好的之一，而且它有一批每天都在使用这些模型的付费创作者。这给了它一个从产品到研究、再从研究反哺产品的飞轮。
但视频生成好，不等于世界理解好。一个能生成漂亮画面的模型，可能只是在学习表面的视觉规律，而不是底层的物理因果。就像一个会临摹的人不一定是好画家，一个能模仿运动轨迹的模型不等于理解了力学。
Sora 之死留下的市场真空
还有一个容易被忽略的背景：OpenAI 的 Sora 2 在 2026 年 4 月正式关闭。这个曾经被炒作成视频生成里程碑的产品，最终没能跑通商业模式。Sora 的退出，让 Runway 在视频生成领域少了一个最强的品牌对手，但也说明了一个残酷的事实：光有模型不够，你得让创作者真的愿意付费。
Runway 目前的定价策略很聪明。Pro 会员用优惠码 RUNWAY50 可以打五折，同时在官网直接推出 Agent 功能。一个可以实时对话的视频创作助手（Runway Characters）。这意味着 Runway 不只是在卖生成次数，而是在卖一个完整的创作工作流。
而我认为，Runway 的世界模型路线图看起来野心勃勃，但路径是合理的。视频数据确实是通向世界理解最自然的桥梁，比文本更少偏见，比 3D 数据更丰富，比传感器数据更易获取。关键问题在于，视频生成到世界理解之间，是否真的存在一条可以工程化的通路？目前没有人能回答这个问题。
但 Runway 有一件事做对了，它没有等到有了世界模型再去寻找用户，而是先建立了一个付费用户社区，再把这个社区作为世界模型的试验场和收入来源。这种“先有生意再有研究”的路径，比纯粹的研究实验室多了一个生存保障。
530 亿人民币的估值，对于一家视频工具公司来说已经很高了。对于一家世界模型公司来说，可能才刚开始。赌注已经下了，接下来就看 Runway 能不能证明：视频生成的天花板，比所有人想象的都高。
#世界模型# #AI视频生成# #AI创造营#
引用来源：
- TechCrunch: Runway started by helping filmmakers. Now it wants to beat Google at AI (2026.5.15)
- Startup Fortune: Runway is trying to turn AI video into a world model business (2026.5.15)
- TheRift.ai: Runway Unveils Gen-4.5 Enhancements and Groundbreaking World Simulation Suite
- Neuron.expert: Runway rolls out new AI video model that beats Google, OpenAI in key benchmark
- Runway 官网: Building AI to Simulate the World
- Kinja: Sora 2 Is Dead. Pick Veo 3 or Runway in 2026
- OpusClip Blog: AI Video News April 2026 Update
